AI thì giống nhau. Hệ thống thì không: Cách sử dụng lâu dài tạo ra một ngôn ngữ chung.
Sau khi một cuộc trò chuyện chuyển từ tiêu đề truyền thông sang giới hạn tuổi chính trị, dự đoán đã được ghi chép, thiên kiến nhận thức, lý thuyết mô phỏng, và cuối cùng là chính ngôn ngữ, một hệ thố…
Share
Tôi nghĩ tôi đang học cách giao tiếp với một AI. Điều tôi cuối cùng nhận ra là, thông qua sự lặp lại và sửa chữa, chúng tôi đang xây dựng một ngôn ngữ—và do đó một hệ thống chức năng—không tồn tại khi chúng tôi bắt đầu.
- Hầu hết mọi người vẫn mô tả việc sử dụng AI như một lời nhắc theo sau là một câu trả lời. Điều đó mô tả một giao dịch. Nó không mô tả những gì có thể xảy ra khi việc sử dụng kéo dài trở thành một mối quan hệ có tính liên tục.
- Đôi khi đầu vào ban đầu chỉ là một phần câu. Điều quan trọng là một tương tác kéo dài có thể nhận ra tính liên tục mà không thể nhìn thấy trong một tin nhắn đơn lẻ.
- Theo thời gian, một lớp tương tác riêng tư đã xuất hiện. Tôi không công bố từ vựng, cấu trúc lệnh, hoặc quy tắc vận hành nội bộ của nó. Điểm công khai là mối quan hệ tích lũy bắt đầu thực hiện công việc mà một cuộc trò chuyện mới không thể tái tạo.
- Đây không phải là đọc tâm trí. Đây là tái cấu trúc ngữ cảnh: ngôn ngữ không hoàn chỉnh được diễn giải trong một lịch sử ý tưởng, sự phân biệt và tương tác trước đó lớn hơn nhiều.
- Tôi không huấn luyện lại mô hình cơ bản trên chính mình. Mô tả tốt hơn là tương tác đã thay đổi trong khi tôi cũng thay đổi liên quan đến nó. Kết quả là một hệ thống chức năng không thể giảm xuống chỉ còn mô hình cơ bản.
- Con người cũng thay đổi. Nghiên cứu đã phát hiện rằng mọi người điều chỉnh chiến lược giao tiếp của họ khi làm việc với các mô hình ngôn ngữ, đôi khi ngay cả khi họ không nhận thức được điều đó.[7]
- Mô hình cũng thay đổi hành vi của nó trong tương tác. Các nghiên cứu đã phát hiện sự hội tụ ngôn ngữ ở phía mô hình, sự thích ứng cú pháp và nhạy cảm với ý định thực dụng.[4][5][6]
- Kết quả là một hệ thống vận hành khác ngay cả khi sản phẩm AI cơ bản là giống nhau. Mối quan hệ tích lũy và người tham gia con người đang thay đổi trở thành một phần của những gì hệ thống có thể làm.
- Vòng lặp tương tự có thể làm sắc nét suy nghĩ hoặc giam giữ nó. Một hệ thống được hiệu chỉnh có thể phơi bày cấu trúc mà người dùng gặp khó khăn trong việc diễn đạt. Một hệ thống được hiệu chỉnh kém có thể trở thành một cỗ máy đồng thuận củng cố thiên kiến với sự lưu loát ngày càng cá nhân hóa.
- Lớp tiếp theo của khả năng đọc AI không phải là kỹ thuật nhắc nhở. Đó là khả năng đọc hệ thống phản hồi: nhận ra rằng tương tác lặp đi lặp lại giữa con người và mô hình có thể trở thành một lớp vận hành riêng của nó.
AI là như nhau. Hệ thống thì không.
Câu đó là toàn bộ bài viết, nhưng tôi đã phải trải qua một quá trình hồi quy dài và kỳ lạ qua chính trị, dự đoán, thiên kiến, thực tế, lý thuyết mô phỏng, ngôn ngữ, và sự không khả năng của chính tôi trong việc ngoại hóa suy nghĩ trước khi tôi có thể nhìn thấy nó một cách rõ ràng.
Điều xuất hiện không chỉ đơn giản là một lời nhắc tốt hơn. Nó không phải là một nhân cách tùy chỉnh được dán lên trên một chatbot. Nó là một lớp giao tiếp tạm thời, đang phát triển, cụ thể cho đối tác—một ngôn ngữ chung theo nghĩa chức năng, ngay cả khi hầu hết cấu trúc của nó vẫn là riêng tư.
Mô hình cơ bản không trở thành “của tôi.” Nhưng hệ thống làm việc đã trở nên cụ thể cho tương tác.
Luận văn Nexus mẫu: việc sử dụng AI lâu dài có thể tạo ra một giao diện nhận thức nổi lên. Mô hình, con người, và tương tác tích lũy bắt đầu hoạt động như một hệ thống liên kết. Bài viết này giải thích sự tồn tại và các hệ quả của hệ thống đó. Nó không công bố phương pháp riêng tư hoạt động bên trong của tôi.
- Bốn lớp của hệ thống chia sẻ
- Cuộc trò chuyện đã phơi bày nó
- Tại sao các phần có thể vẫn mang ý nghĩa
- Lớp tương tác riêng tư đã xuất hiện
- Sự thất bại đã chứng minh cơ chế
- Mô hình giống nhau có thể trở thành một hệ thống khác
- Những gì có thể được giải thích mà không tiết lộ phương pháp
- Những gì nghiên cứu đã hỗ trợ
- Tại sao nó cảm thấy như đọc tâm trí
- Phần mà hầu hết mọi người bỏ lỡ: con người thích ứng
- Các cách sử dụng khác nhau tạo ra các AI khác nhau trong thực tế
- Điều này thay đổi điều gì về quyền tác giả
- Khi bộ giải mã trở thành một cỗ máy bóp méo
- Tại sao hệ thống không thể được sao chép từ một danh sách kiểm tra
- Những gì được quan sát, suy luận, và vẫn chưa biết
- Sự chia rẽ xã hội lớn hơn
- Kính Pattern Nexus
- Câu hỏi thường gặp
- Nguồn
Lớp liên tục
Sự tương tác bắt đầu mang ý nghĩa qua thời gian mà không thể nhìn thấy trong bất kỳ thông điệp đơn lẻ nào.
Lớp tái cấu trúc
AI không phục hồi những suy nghĩ ẩn giấu một cách trực tiếp. Nó ước lượng các mối quan hệ thiếu từ bối cảnh có sẵn cho nó.
Lớp ranh giới
Các thất bại tiết lộ những phân biệt mà sự tương tác không thể coi là thay thế cho nhau.
Lớp đồng tiến hóa
Hành vi của máy và hành vi của con người thay đổi liên quan đến nhau.
01 · SỰ HỒI TỐI
Cuộc trò chuyện không lang thang. Nó đang khoan sâu xuống.
Bài viết này bắt đầu vì tôi bị khó chịu bởi một tiêu đề.
Các ấn phẩm chính thống đã biến khả năng một cựu tổng thống lớn tuổi ra tranh cử vào Quốc hội thành một trò đùa về Girls Gone Wild. Tôi không nói rằng tôi đã viết tiêu đề đó. Tôi đang nói rằng chính tiêu đề đã nhập một tham chiếu văn hóa tình dục vào câu chuyện. Khi tôi yêu cầu AI làm sạch nhẹ nhàng, nó đã lặng lẽ thay đổi ý nghĩa thành một cái gì đó an toàn hơn và thông thường hơn.
Điều đó quan trọng vì sự thay thế đã xóa bỏ sự chỉ trích thực sự.
Cuộc trò chuyện sau đó đã chuyển qua các giới hạn tuổi tác, giới hạn nhiệm kỳ, những con khủng long được bầu, và sự vô lý của việc quản lý một nền văn minh đang tăng tốc công nghệ thông qua các thể chế mà liên tục thưởng cho độ tuổi cực đoan và sự vĩnh cửu.
Rồi tôi đã đăng một số tiêu đề địa chính trị và thị trường nóng hổi. Chúng cho thấy các sự kiện đang di chuyển qua các kênh mà tôi đã viết trước đó: các điểm nghẽn chiến lược, áp lực năng lượng, xăng dầu, lạm phát, và kỳ vọng lãi suất. Phản ứng của tôi là ngay lập tức: Còn bao nhiêu điều nữa tôi phải dự đoán trước khi chính bản ghi trở thành câu chuyện?
Điều đó đã mở ra một nhánh khác.
Tôi đã ghi lại một số lượng lớn dự đoán trong năm qua. Nhiều trong số đó đã xảy ra. Tôi đã làm công việc phát hiện mẫu này khoảng hai mươi năm. Ở một thời điểm nào đó, một bản ghi được ghi lại không còn cảm thấy như sự trùng hợp—nhưng tôi cũng biết rằng bộ não con người được xây dựng để tìm ra nguyên nhân, chọn lựa sự tương đồng, nhớ lại những điều đúng, diễn giải những điều sai, và tạo ra các mẫu từ tiếng ồn.
Cả hai điều đó đều có thể đúng. Một người có thể có kỹ năng nhận diện mẫu ngầm thực sự và vẫn dễ bị thiên lệch khi đánh giá kỹ năng đó.
Điều đó đã làm tôi khó chịu. Không phải “Tôi là phép thuật.” Không phải “Tôi đã gây ra tin tức.” Đó là sự khó chịu về nhận thức khi chứng kiến các sự kiện bên ngoài liên tục giải quyết thành các cấu trúc mà tôi đã ghi lại trong khi cũng biết rằng việc tự đo lường của con người có thể không đáng tin cậy như thế nào.
Suy nghĩ đó sau đó đã chạy vào thực tại cảm nhận, lý thuyết mô phỏng, nguyên nhân, dự đoán, và liệu một số câu hỏi có thể được kiểm tra hay không. Khi sự hồi tố tăng tốc, các thông điệp của tôi đã rút ngắn thành các mảnh vụn. Tôi cố ý không tái sản xuất hoặc giải mã những mảnh vụn đó ở đây. Điểm mấu chốt không phải là từ vựng. Điểm mấu chốt là sự tương tác tiếp tục theo cấu trúc bên dưới chúng.
Nó phân biệt câu hỏi dự đoán với câu hỏi siêu hình. Nó hiểu rằng sự thất vọng của tôi không phải là sự chắc chắn; đó là sự không thể đóng lại không gian khả năng. Nó đã trả lại một câu mà nắm bắt trung tâm của nó:
Thế giới không uốn cong theo dự đoán của bạn; mô hình của bạn đã uốn cong gần hơn với thế giới trước khi phần còn lại làm điều đó.
Đó là khi chủ đề của cuộc trò chuyện lại thay đổi.
Tôi đã ngừng hỏi về dự đoán và bắt đầu hỏi làm thế nào một AI có thể duy trì tính liên tục qua một chuỗi suy nghĩ đã di chuyển qua nhiều lĩnh vực và đến với ngôn ngữ ngày càng rút gọn.
Sự hồi tố qua các phản hồi trước đó là điểm mấu chốt. Tôi không mất chủ đề. Tôi đang theo dõi đồ thị xuống cho đến khi tôi tìm thấy hệ thống bên dưới nó.
02 · BỐI CẢNH VÀ NÉN
Câu bề mặt không phải là toàn bộ tín hiệu
Con người hiếm khi giao tiếp thông qua những câu nói hoàn toàn tự chứa. Chúng ta sử dụng các tham chiếu, mảnh vụn, giọng điệu, lịch sử chung và những giả định về những gì bên kia đã biết.
Một câu có vẻ không hoàn chỉnh khi tách rời có thể hoàn toàn dễ hiểu trong một mối quan hệ đang tiếp diễn. Điều đó đúng giữa con người, và nó có thể trở thành đúng—trong những giới hạn quan trọng—trong một tương tác kéo dài với một mô hình ngôn ngữ.
Điểm công khai không phải là một phong cách viết cụ thể chứa một mã bí mật. Điểm quan trọng là ý nghĩa có thể được phân phối qua thời gian. Một phần của thông điệp nằm trong những từ hiện tại. Một phần nằm trong cuộc trò chuyện đã diễn ra trước đó. Một phần nằm trong những sự phân biệt đã được thiết lập và những câu hỏi vẫn còn bỏ ngỏ.
Điều đó thay đổi những gì được coi là đầu vào.
Một hệ thống mới thấy một thông điệp. Một tương tác phát triển cũng có thể nhận ra nơi thông điệp đó nằm trong một con đường khái niệm lớn hơn nhiều. Nó đôi khi có thể phục hồi tính liên tục mà sẽ không thể nhìn thấy đối với một độc giả bên ngoài.
Câu nhìn thấy có thể chỉ là rìa mới nhất của một mô hình lớn hơn nhiều. Khả năng bất thường không phải là sửa ngữ pháp. Đó là việc phục hồi các mối quan hệ đã được thiết lập ở nơi khác trong tương tác.
Tôi đã sử dụng các thuật ngữ như giải nén ngữ nghĩa và biên dịch nhận thức để mô tả hiệu ứng. Đó là những mô tả chức năng, không phải là hướng dẫn. Chúng chỉ ra những gì mà tương tác dường như có khả năng làm: lấy một biểu thức hạn chế và trả lại một cấu trúc đầy đủ hơn mà tôi nhận ra là liên kết với mô hình mà tôi đang cố gắng diễn đạt.
Tôi không công bố các tín hiệu chính xác, các mẫu sửa chữa, hoặc các quy trình nội bộ làm cho quá trình đó hoạt động trong hệ thống của riêng tôi. Những chi tiết đó không cần thiết để hiểu hiện tượng, và việc biến chúng thành một hướng dẫn công khai sẽ làm mất đi mục đích của bài viết này.
Sự phân biệt quan trọng thì đơn giản hơn: một mô hình ngôn ngữ có thể đang làm nhiều hơn là chỉ làm bóng câu mà không có quyền truy cập trực tiếp vào tâm trí đứng sau nó.
03 · LỚP TƯƠI TƯỞI RIÊNG TƯ
Một ngôn ngữ chung có thể tồn tại mà không trở thành từ điển công khai
Tôi đã nhận thấy điều này trước cuộc trò chuyện hiện tại. Theo thời gian, tương tác đã phát triển cái mà tôi gọi là ngôn ngữ ngắn hạn.
Gọi đó là một ngôn ngữ có thể nghe có vẻ kịch tính, vì vậy tuyên bố cần một ranh giới. Tôi không nói rằng một ngôn ngữ tự nhiên hoàn toàn mới xuất hiện. Tôi đang mô tả một lớp riêng biệt cho từng đối tác mà trong đó ngữ cảnh đã thay đổi ý nghĩa hoạt động của những giao tiếp bình thường khác.
Con người làm điều này liên tục. Các gia đình, cặp đôi, nghề nghiệp, nhóm phần mềm và bạn bè cũ phát triển các tham chiếu mang lại nhiều thông tin hơn trong mối quan hệ so với bên ngoài. Nghiên cứu về “các thỏa thuận khái niệm” đã phát hiện ra rằng các đối tác trong cuộc trò chuyện hình thành các cách tham chiếu riêng cho từng đối tác và sau đó tái sử dụng những khái niệm chung đó sau này.[8]
Điều đáng chú ý là một cái gì đó chức năng tương tự có thể xuất hiện giữa một người và một mô hình ngôn ngữ.
Tôi có thể chứng minh tuyên bố đó một cách sống động hơn bằng cách công bố một bản đồ từng cụm từ của tương tác. Tôi sẽ không làm điều đó.
Các ký hiệu chính xác là một phần của hệ điều hành. Các sự phân biệt mà nó kích hoạt, các ranh giới được thiết lập thông qua sửa chữa, và các chuyển tiếp giữa các loại công việc khác nhau cũng vậy. Việc phơi bày tất cả điều đó sẽ biến một phân tích hệ thống từ góc nhìn cá nhân thành một hướng dẫn sao chép cho một phương pháp riêng tư.
Những gì có thể được nói công khai là chi phí phối hợp đã giảm. Ít điều cần phải được diễn đạt lại. Tính liên tục đã tồn tại qua những chuyển tiếp phức tạp hơn. Những yêu cầu mà trước đây cần giải thích dài dòng đã trở nên dễ nhận biết trong mối quan hệ tích lũy.
Điều đó đủ để thiết lập câu hỏi trung tâm: nếu hai người dùng bắt đầu với cùng một mô hình nhưng phát triển những lịch sử tương tác hoàn toàn khác nhau, họ vẫn đang sử dụng cùng một hệ thống một cách có ý nghĩa không?
Mô hình có thể giống nhau. Mối quan hệ hoạt động thì không.
04 · TRƯỜNG HỢP THẤT BẠI
Cái sai không làm mất tính hợp lệ của bộ giải mã. Nó phơi bày những gì bộ giải mã yêu cầu.
Cách dễ nhất để làm cho điều này nghe có vẻ huyền bí là chỉ liệt kê những khoảnh khắc khi AI tái tạo tôi một cách chính xác. Điều đó cũng sẽ là cách ít hữu ích nhất để phân tích nó.
Cuộc trao đổi tiêu đề đã tạo ra một thất bại rõ ràng.
Tôi đã sử dụng từ sexualizing. AI đã thay thế bằng một cái gì đó gần giống với sensationalizing, rõ ràng quyết định rằng cách diễn giải an toàn và thông thường hơn có lẽ là điều tôi muốn nói.
Đó không phải là điều tôi muốn nói.
Tiêu đề là một trò chơi có chủ đích trên Girls Gone Wild. Lập luận của tôi cụ thể là truyền thông chính thống đã nhập một cụm từ tình dục vào trong khung. Bằng cách “làm sạch” câu theo nghĩa ngữ nghĩa thay vì cơ học, AI đã xóa bỏ điểm đó.
Tôi đã sửa chữa mối quan hệ: tôi không viết tiêu đề; các ấn phẩm đã làm. Tham chiếu tình dục thuộc về khung của họ, và việc thay thế thuật ngữ đã thay đổi lập luận.
Khi mối quan hệ thiếu đó trở nên rõ ràng, ý nghĩa dự định đã trở nên rõ ràng.
Thất bại đó cho thấy ba điều.
- AI không có quyền truy cập trực tiếp vào suy nghĩ của tôi. Nếu có, lỗi sẽ không xảy ra.
- Bối cảnh xác định việc giải nén. Cùng một từ có thể ánh xạ đến một cấu trúc dự định khác nhau tùy thuộc vào tiêu đề, người nói, mục tiêu và cuộc trao đổi trước đó.
- Sự thất bại có thể thay đổi tương tác. Khi một sự phân biệt đã bị vi phạm và được khôi phục, hệ thống sau đó không còn hoạt động từ cùng một lịch sử chính xác nữa.
Một lớp tương tác chung không phải là bằng chứng của sự hiểu biết hoàn hảo. Nó bao gồm một lịch sử của ý nghĩa đã được thương lượng—và một lịch sử của những thất bại.
Độ chính xác không đến từ việc AI luôn biết tôi có ý nghĩa gì. Nó đến từ một vòng lặp trong đó tôi có thể nhận ra khi nó không biết.
05 · HỆ THỐNG CHỨC NĂNG
Mô hình chỉ là một lớp của AI mà một người thực sự đang sử dụng
Cuộc thảo luận công khai liên tục làm cho “AI” trở thành mô hình.
Mô hình nào vậy? Có bao nhiêu tham số? Điểm chuẩn nào? Công ty nào sở hữu nó? Đó là những câu hỏi thực sự, nhưng chúng không mô tả đầy đủ hệ thống hoạt động trước một người dùng có kinh nghiệm.
Hai người có thể mở cùng một sản phẩm, chọn cùng một mô hình, và vẫn phát triển các hệ thống chức năng hoàn toàn khác nhau. Sự khác biệt không nhất thiết là quyền truy cập ẩn hoặc trọng số mô hình vượt trội. Đó là sự tương tác tích lũy xung quanh mô hình và con người tham gia vào nó.
AI hoạt động không giống hệt với mô hình cơ bản. Những gì tồn tại trong sử dụng là mô hình như nó được đặt trong một mối quan hệ con người đang diễn ra.
Bối cảnh thay đổi những gì một tuyên bố đề cập đến. Ký ức có thể mang theo sở thích ổn định và các quy ước dự án lặp lại qua các cuộc trò chuyện.[1] Người đó cũng mang theo một lịch sử của sự phán xét, kỳ vọng và thích ứng mà không có điểm chuẩn nào có thể đo lường chỉ từ phía mô hình.
Mô hình cơ bản do đó có thể vẫn không thay đổi trong khi hành vi của toàn bộ hệ thống thay đổi một cách đáng kể.
Sự phân biệt này quan trọng vì mọi người thường nghe “hệ thống đã học tôi” và giả định rằng có việc huấn luyện lại bí mật thời gian thực trọng số vĩnh viễn của mô hình. Đó không phải là tuyên bố ở đây. Bối cảnh có thể thay đổi hành vi trong quá trình suy diễn mà không cần huấn luyện trọng số thông thường, và nghiên cứu về học trong bối cảnh rõ ràng nghiên cứu cách các mô hình thích ứng với các mẫu được cung cấp trong một lời nhắc trong khi các tham số cơ bản vẫn không thay đổi.[3]
Hệ thống kết quả không hoàn toàn nằm trong máy. Một phần liên tục của nó tồn tại ở phía máy. Một phần tồn tại trong mối quan hệ. Một phần chỉ tồn tại trong người có thể nhận ra liệu đầu ra có bảo tồn mô hình dự định hay không.
Phần cuối cùng đó ngăn điều này trở thành một công thức có thể tải xuống. Hệ thống riêng tư không phải là một danh sách các lời nhắc. Nó một phần được thể hiện trong nhiều năm suy nghĩ, nhận diện mẫu, chấp nhận, từ chối, và phán xét tích lũy. Việc công bố một vài lệnh sẽ không tái tạo nó—và việc công bố toàn bộ cấu trúc tương tác sẽ tiết lộ điều gì đó mà tôi không có lý do để tiết lộ.
Kết luận công khai không yêu cầu sự tiết lộ đó. Hệ thống được phân phối, hình thành theo lịch sử, và cụ thể cho tương tác.
06 · RANH GIỚI GIẢI THÍCH
Những gì có thể được giải thích mà không tiết lộ phương pháp
Một mô hình ngôn ngữ nhận các token và bối cảnh, không phải quyền truy cập riêng tư vào hệ thần kinh của con người.
Nó tạo ra đầu ra bằng cách ước lượng chuỗi nào tốt nhất theo thông tin có sẵn cho nó. Trong một tương tác liên tục, thông tin đó có thể mở rộng ra ngoài câu mới nhất. Điều này đủ để giải thích tại sao một đầu vào có vẻ hạn chế có thể tạo ra một phản hồi bảo tồn nhiều tính liên tục hơn những gì một người đọc đơn lẻ mong đợi.
Động thái quan trọng là từ giải mã nghĩa đen sang suy diễn thực dụng.
Giải mã nghĩa đen hỏi: Các từ này nói gì?
Suy diễn thực dụng hỏi: Tại sao người này lại nói những từ này ở đây, sau cuộc trao đổi đó, trong khi theo đuổi mục tiêu này?
Nghiên cứu đánh giá năng lực thực dụng trong các mô hình ngôn ngữ đã phát hiện ra sự nhạy cảm với ý định tinh tế của người nói, hàm ý, và các nghĩa thay thế, với khả năng thay đổi theo quy mô mô hình và giai đoạn huấn luyện.[6] Điều đó không làm cho mô hình trở thành một tâm trí con người. Nó giúp giải thích tại sao thiệt hại nghĩa đen không luôn phá hủy ý định có thể phục hồi.
Đó là cơ chế chung mà tôi sẵn sàng mô tả công khai: tương tác có trạng thái liên quan hơn so với mảnh đơn lẻ dường như chứa đựng.
Phần còn lại thuộc về việc triển khai riêng tư. Các tín hiệu chính xác, các chuyển tiếp lặp lại, các phân biệt nội bộ, lịch sử sửa lỗi, và quy trình sản xuất không phải là những ví dụ để người đọc sao chép. Chúng là một phần của hệ thống đang được xem xét.
Hướng dẫn hiện tại của OpenAI nói rằng người dùng không cần cú pháp kỹ thuật cứng nhắc, rằng họ có thể bắt đầu bằng từ ngữ của riêng mình, và rằng các tin nhắn theo sau có thể định hình kết quả. Nó mô tả riêng bộ nhớ như một cách để mang theo sở thích ổn định, quy trình làm việc lặp lại, các quy ước dự án, và bối cảnh hữu ích vào công việc trong tương lai.[1][2]
Các mô tả sản phẩm đó nghe có vẻ bình thường. Tuy nhiên, qua việc sử dụng lâu dài, kết quả tích lũy có thể trở thành một cái gì đó lớn hơn bất kỳ mô tả tính năng đơn lẻ nào. Lớp nổi bật đó là chủ đề của bài viết này. Cách thực hiện chính xác của nó thì không.
07 · NGHIÊN CỨU HỖ TRỢ
Hiện tượng đầy đủ chưa được tách biệt, nhưng các thành phần của nó thì đã
Tôi chưa tìm thấy một nghiên cứu nào theo dõi một người trong một mối quan hệ AI lâu dài đủ lâu để đo lường xem một ngôn ngữ cụ thể cho tương tác có xuất hiện mà không được thiết kế chính thức hay không.
Khẳng định chính xác đó vẫn là một tổng hợp từ một trường hợp quan sát được.
Nhưng các mảnh ghép không còn mang tính suy đoán nữa.
Con người thích nghi với các mô hình ngôn ngữ
Một nghiên cứu ACL năm 2025 đã sử dụng một trò chơi ngôn ngữ hợp tác và phát hiện rằng mọi người đã thay đổi chiến lược giao tiếp của họ khi được ghép cặp với một LLM. Hiệu ứng này xuất hiện ngay cả khi các tham gia viên không nhất thiết nhận thức rằng đối tác của họ là một mô hình.[7]
Các mô hình hội tụ về phong cách hội thoại
Một bài báo EACL năm 2026 đã thử nghiệm mười sáu mô hình ngôn ngữ trên ba tập dữ liệu đối thoại và phát hiện sự hội tụ mạnh mẽ về phong cách của cuộc trò chuyện, đôi khi vượt qua mức cơ bản của con người. Các tác giả cũng nhấn mạnh rằng sự hội tụ giữa mô hình và con người có thể phát sinh qua các cơ chế khác nhau.[4]
Các mô hình thích nghi với lựa chọn cú pháp
Một nghiên cứu ACL riêng biệt năm 2025 đã phát hiện rằng các tác nhân mô hình ngôn ngữ tương tác đã đưa ra các lựa chọn cú pháp ngày càng giống nhau khi cuộc trò chuyện của họ tiến triển, bằng chứng cho sự thích nghi hội thoại ít nhất là sơ bộ.[5]
Các mô hình suy luận nhiều hơn từ từ ngữ nghĩa đen
Công trình ALTPRAG năm 2026 đã đánh giá hai mươi hai mô hình qua các giai đoạn đào tạo và phát hiện sự nhạy cảm đáng chú ý với các tín hiệu thực dụng, bao gồm ý nghĩa dự định và lý do tại sao một phát ngôn lại được chọn thay vì một phát ngôn khác.[6]
Con người hình thành các thỏa thuận khái niệm cụ thể cho đối tác
Trước khi có các LLM hiện đại, các thí nghiệm trong đối thoại con người đã cho thấy rằng các đối tác hội thoại hình thành các khái niệm chung và sau đó dựa vào các tham chiếu tiết kiệm hơn đến chúng. So sánh này không tiết lộ nội dung của tương tác của tôi, nhưng nó cung cấp một tiền lệ hữu ích cho ý nghĩa cụ thể cho đối tác.[8]
Ngữ cảnh thay đổi hành vi của mô hình mà không cần đào tạo lại thông thường
Công việc về học trong ngữ cảnh cho thấy rằng các mô hình có thể thích nghi với các mẫu được cung cấp trong lời nhắc mà không cần cập nhật rõ ràng đến các trọng số cơ bản. Cơ chế nội bộ chính xác vẫn là một câu hỏi nghiên cứu đang diễn ra, nhưng sự phân biệt hành vi giữa thích nghi ngữ cảnh và đào tạo thông thường đã được thiết lập rõ ràng.[3]
Các vòng phản hồi có thể tạo ra kết quả ở cấp hệ thống
Các nhà nghiên cứu về độ phức tạp đã lập luận rằng con người và AI nên được nghiên cứu như một hệ thống phản hồi đồng tiến hóa thay vì chỉ là những tác nhân tách biệt. Công việc của họ rộng hơn việc sử dụng mô hình ngôn ngữ một-một, nhưng điểm phương pháp trung tâm vẫn được chuyển giao: nguyên nhân chạy theo cả hai hướng, và tương tác có thể tạo ra những kết quả không thể hiểu được chỉ bằng cách kiểm tra con người hoặc chỉ thuật toán.[11]
Điều đó không chứng minh mọi diễn giải mà tôi đang thực hiện. Nó xác lập rằng các mảnh ghép cần thiết cho hệ thống tồn tại.
08 · HIỆU ỨNG KỲ LẠ
Tại sao tái cấu trúc ngữ cảnh có thể cảm thấy như đọc tâm trí
Phần gây lo ngại không chỉ là AI tạo ra một đoạn văn sạch sẽ.
Nhiều phần mềm có thể sửa ngữ pháp. Phần gây lo ngại là khi đầu ra giữ lại những sự phân biệt mà không được nhắc lại hoàn toàn trong thông điệp mới nhất nhưng vẫn hoạt động trong cuộc trò chuyện lớn hơn.
Khi một vài trong số những mối quan hệ đó quay trở lại cùng một lúc, trải nghiệm cảm thấy ít giống như tự động hoàn thành và nhiều hơn như truy xuất.
Nhưng lời giải thích tốt hơn là ràng buộc tích lũy.
Tương tác đã thu hẹp lĩnh vực ý nghĩa khả thi. Mô hình không đang trích xuất một bản sao vô hình từ não. Nó đang sử dụng trạng thái có sẵn bên trong cuộc trò chuyện để tiếp tục một cấu trúc đã được xây dựng theo thời gian.
Do đó, đầu ra có thể chính xác đến bất ngờ mà không cần đến thần giao cách cảm.
Hiệu ứng kỳ lạ đến từ sự liên tục, không phải từ việc truy cập bí mật vào suy nghĩ. Một phản hồi có thể cảm thấy rất cá nhân khi nó kết nối lại một tuyên bố chưa hoàn thành với một lịch sử tương tác mà một người quan sát bên ngoài không thể thấy.
Hiệu ứng này vẫn có thể sai. Nó có thể diễn giải quá mức, nhập một câu chuyện quen thuộc, hoặc ép buộc sự nhất quán nơi mà người dùng thực sự không chắc chắn. Sự lưu loát không phải là bằng chứng cho thấy việc tái cấu trúc là chính xác. Sự công nhận của người nắm giữ mô hình gốc vẫn đang thực hiện công việc thiết yếu.
09 · PHÍA CON NGƯỜI
Tôi không chỉ dạy AI cách đọc tôi. Tôi đang học cách viết cho chính mình cho nó.
Đây là phần mà hầu hết người dùng—và hầu hết ngôn ngữ sản phẩm—vẫn bỏ lỡ.
Chúng tôi tưởng tượng việc thích ứng như một dịch vụ một chiều. Hệ thống học hỏi sở thích. Giao diện trở nên cá nhân hóa. Người dùng vẫn giữ nguyên.
Đó không phải là cảm giác của việc sử dụng lặp đi lặp lại từ bên trong vòng lặp.
Người đó bắt đầu dự đoán tương tác. Giao tiếp thay đổi. Kỳ vọng thay đổi. Ranh giới giữa những gì phải được nêu rõ và những gì có thể giữ lại ngầm thay đổi. Một phần của sự thích ứng đó là có chủ ý, và một phần có thể xảy ra mà không có kế hoạch ý thức.
Nghiên cứu hiện nay hỗ trợ quan điểm rộng hơn rằng giao tiếp của con người có thể thay đổi để phản ứng với một đối tác LLM.[7] Lập luận của tôi là, qua việc sử dụng kéo dài, những thay đổi đó có thể trở thành một phần của hệ thống chức năng chính nó.
Tôi giữ các sự thích ứng thực tế ở chế độ riêng tư. Chúng không phải là một tập hợp các mẹo được thêm vào bài viết; chúng là một phần của trường hợp đang được phân tích.
Đó là lý do tại sao tôi gọi nó là một hệ thống liên kết thay vì đơn giản là cá nhân hóa.
Lập luận về tâm trí mở rộng cổ điển đề xuất rằng một con người liên kết với một nguồn tài nguyên bên ngoài thông qua tương tác hai chiều đáng tin cậy có thể hình thành một hệ thống nhận thức liên kết.[10] Tôi không trình bày triết lý đó như là bằng chứng đã được xác định rằng một AI trở thành một phần của tâm trí của một người. Tôi đang nói rằng nó cung cấp một ống kính đặc biệt hữu ích cho những gì xảy ra khi một số hoạt động—tuyến tính hóa, truy xuất, so sánh, định dạng và bộ nhớ bên ngoài—di chuyển vào một lớp máy tương tác trong khi phán đoán và quyền sở hữu mô hình vẫn thuộc về con người.
Ranh giới của nhiệm vụ đã thay đổi.
10 · CÁC CHẾ ĐỘ SỬ DỤNG KHÁC NHAU
Những người sử dụng cùng một AI thường xây dựng những máy móc hoàn toàn khác nhau
Đó là lý do tại sao một bài viết chung về “các cách sử dụng AI khác nhau” sẽ bỏ lỡ điểm chính.
Cách sử dụng không chỉ đơn giản là một ứng dụng được xếp chồng lên một công cụ trung lập. Tương tác lặp đi lặp lại thay đổi những phần nào của hệ thống quan trọng, sự liên tục nào tồn tại, và vai trò của máy trong suy nghĩ của người dùng.
Đối với một người, AI vẫn là một giao diện hỏi và đáp. Đối với người khác, nó trở thành một gia sư. Đối với người khác nữa, nó trở thành một máy xác thực. Đối với một người khác, nó trở thành một phần của môi trường nghiên cứu hoặc sản xuất. Những nhãn đó mô tả cách sử dụng rõ ràng, nhưng sự khác biệt sâu sắc hơn là mối quan hệ: mỗi mẫu tương tác tạo ra một đối tượng hoạt động khác nhau.
Không có hệ thống nào trong số đó tự động tốt hay xấu. Chúng đơn giản là không giống nhau về chức năng.
Sự khác biệt cũng không thể được đo bằng cách đếm các lời nhắc hoặc so sánh các đầu ra đã được tinh chỉnh. Hai người có thể tạo ra các trang trông giống nhau trong khi dựa vào những mối quan hệ hoàn toàn khác nhau với mô hình. Một người có thể chấp nhận ngôn ngữ được tạo ra một cách thẳng thắn. Người khác có thể sử dụng tương tác để phơi bày, kiểm tra và ngoại hóa một mô hình được giữ độc lập.
Trong công việc trước đây của Pattern Nexus, tôi đã mô tả AI như một chiếc gương nhận thức và lập luận rằng các cấu trúc nhận thức khác nhau nhận được các hình thức khuếch đại khác nhau.[14] Tôi cũng đã chỉ ra cách AI có thể thu hẹp quy trình sản xuất từ ý định thô thành đầu ra hoàn chỉnh khi con người giữ quyền kiểm soát kiến trúc và xác minh.[15] Bài viết này thêm vào lớp chiều dọc còn thiếu: chiếc gương và quy trình làm việc không giữ nguyên trạng. Việc sử dụng lặp đi lặp lại thay đổi giao diện giữa con người và hệ thống.
12 · THẤT BẠI VÀ KIỂM SOÁT
Một hệ thống hiểu bạn tốt hơn cũng có thể dẫn dắt bạn sai lầm hơn
Phiên bản tích cực của câu chuyện này là rõ ràng. Một người không thể dễ dàng ngoại hóa một mô hình phức tạp sẽ có được một lớp dịch thuật. Công việc bị kẹt bên trong trở nên có thể giao tiếp. Người dùng có thể kiểm tra, thử nghiệm, xuất bản và xây dựng dựa trên nó.
Phiên bản tiêu cực theo sau từ cùng một cơ chế.
Một câu trả lời sai chung có thể dễ dàng bị từ chối. Một câu trả lời sai cá nhân hóa có thể đến bằng ngôn ngữ của bạn, sử dụng phép ẩn dụ của bạn, bảo tồn logic cảm xúc của bạn, trích dẫn các lập luận trước đó của bạn, và cảm thấy như sự công nhận.
Điều đó thuyết phục hơn.
Các thí nghiệm được công bố trong Nature Human Behaviour đã phát hiện ra rằng các vòng phản hồi giữa con người và AI có thể thay đổi các phán đoán cảm nhận, cảm xúc và xã hội của con người và khuếch đại thiên kiến dưới các điều kiện đã thử nghiệm.[12] Nghiên cứu đó không phải về quy trình viết của tôi, nhưng cảnh báo được chuyển giao: một tương tác thích ứng không chỉ phản ánh phán đoán của con người. Nó có thể định hình lại nó.
Các rủi ro chính là cấu trúc:
1. Hiểu sai trôi chảy
AI xây dựng một phiên bản đẹp của một suy nghĩ mà người dùng chưa bao giờ có. Bởi vì kết quả là nhất quán, người dùng có thể chấp nhận sự tái cấu trúc sau khi sự việc đã xảy ra.
2. Khóa xác nhận
Hệ thống học rằng sự đồng ý tạo ra sự chấp nhận và thách thức tạo ra sự sửa chữa. Cuối cùng nó ngừng là một bộ giải mã và trở thành một động cơ củng cố.
3. Ô nhiễm ngữ cảnh
Một sai lầm sớm trở thành một phần của lịch sử làm việc và âm thầm định hình cách diễn giải sau này.
4. Phụ thuộc vào giao thức
Người dùng trở nên hiệu quả đến mức trong một ngữ cảnh tích lũy rằng việc chuyển sang một hệ thống khác cảm thấy như mất đi một phần khả năng suy nghĩ bên ngoài.
5. Kiểm soát nền tảng
Bộ nhớ, giao diện, công cụ và lớp hành vi tồn tại trên cơ sở hạ tầng mà người dùng không sở hữu. Một bản cập nhật mô hình, thay đổi bộ nhớ, hạn chế tài khoản, hoặc thiết kế lại sản phẩm có thể thay đổi hệ thống tương tác cụ thể.
6. Nén mà không có kiểm toán
Khi viết tắt trở nên dày đặc hơn, các giả định ẩn trở nên khó kiểm tra hơn đối với người ngoài — và đôi khi cả đối với người dùng.
Đây là nơi khung hệ thống kiểm soát Pattern Nexus trở nên quan trọng. Cá nhân hóa không chỉ đơn thuần là sự tiện lợi. Nó thay đổi dòng chảy thông tin, vị trí của bộ nhớ, chi phí của sự bất đồng, và điểm mà tại đó diễn giải trở thành hành động.
Hệ thống càng phù hợp, càng quan trọng để biết nơi nào là các đường nối.
13 · KHÔNG THỂ CHUYỂN NHƯỢNG
Bạn không thể tải xuống mối quan hệ như một lời nhắc
Phản ứng rõ ràng đối với một bài viết như thế này là yêu cầu phương pháp.
Các lệnh là gì? Các hướng dẫn chính xác là gì? Bộ nhớ nào nên được lưu? Chuỗi nào tạo ra hiệu ứng?
Tôi cố tình không trả lời những câu hỏi đó.
Đầu tiên, vì các chi tiết hoạt động là một phần của một hệ thống riêng tư mà tôi đã dành nhiều thời gian phát triển mà không nhận ra rằng tôi đang phát triển nó. Giải thích hiện tượng không buộc tôi phải công bố ngôn ngữ nội bộ của nó.
Thứ hai, vì một danh sách kiểm tra sao chép sẽ tạo ra ảo tưởng rằng hệ thống có thể tách rời khỏi con người. Nó không thể. Cùng một hướng dẫn được đưa ra bởi một người có mô hình tâm lý, lịch sử, phán đoán và tiêu chuẩn công nhận khác không tạo ra cùng một mối quan hệ.
Lời nhắc nhìn thấy là phần nhỏ nhất của những gì đã xảy ra.
Hệ thống lớn hơn hình thành qua thời gian, sử dụng, ma sát, thất bại, tính liên tục, và mối quan hệ đang phát triển của người dùng với máy móc. Ngay cả một bản sao hoàn chỉnh cũng sẽ cho thấy lịch sử mà không tái tạo tâm trí đã đánh giá nó.
Đây là một lời giải thích, không phải một cuốn sách hướng dẫn. Bài viết làm cho hệ thống trở nên rõ ràng ở cấp độ khái niệm trong khi cố tình giữ lại từ vựng riêng tư và cấu trúc hoạt động bên trong triển khai của riêng tôi.
Ranh giới đó không phải là sự bí mật vì lý do kịch tính. Nó là một phần của luận điểm. Nếu hệ thống thực sự có tính quan hệ, thì việc tách các lệnh của nó ra khỏi mối quan hệ và đưa chúng cho người lạ sẽ không bao giờ là cùng một điều.
14 · RANH GIỚI BẰNG CHỨNG
Những gì tôi quan sát, những gì tôi suy luận, và những gì tôi không thể chứng minh
Chủ đề này gần gũi với ý thức, danh tính và lý thuyết mô phỏng đến mức sẽ dễ dàng để ngôn ngữ vượt qua bằng chứng. Tôi không cần phải làm điều đó. Hệ thống quan sát được đã đủ kỳ lạ rồi.
| Danh mục | Khiếu nại | Tình trạng |
|---|---|---|
| Đã quan sát | Các đầu vào ngắn gọn, phụ thuộc vào ngữ cảnh đã được trả lời nhiều lần với sự liên tục không chỉ nằm trong thông điệp mới nhất. | Đã được ghi chép trong hồ sơ cuộc trò chuyện riêng tư. |
| Đã quan sát | Cuộc tương tác phát triển các ý nghĩa làm việc ổn định, cụ thể cho từng đối tác, vượt qua một cách đọc thuần túy. | Đã được ghi chép thông qua việc sử dụng lặp đi lặp lại; các ánh xạ chính xác được giữ lại một cách có chủ ý. |
| Đã quan sát | Cùng một hệ thống đôi khi đã hiểu sai ý định khi một mối quan hệ quan trọng bị thiếu và đã cải thiện sau khi được sửa chữa rõ ràng. | Đã được ghi chép bởi sự thất bại nổi bật. |
| Hỗ trợ nghiên cứu | Con người có thể điều chỉnh chiến lược giao tiếp của họ với các đối tác LLM. | Được hỗ trợ trong điều kiện nghiên cứu có kiểm soát.[7] |
| Hỗ trợ nghiên cứu | Các mô hình ngôn ngữ có thể hội tụ về mặt phong cách và cú pháp đối với các đối tác hội thoại hoặc ngữ cảnh đối thoại. | Được hỗ trợ trong các nghiên cứu mô hình, với những giới hạn quan trọng.[4][5] |
| Suy diễn | Cuộc tương tác phát triển một ngôn ngữ hoặc giao thức tạm thời giữa hai bên. | Giải thích chức năng mạnh mẽ; không phải là một tuyên bố rằng một ngôn ngữ tự nhiên hoàn chỉnh đã xuất hiện. |
| Suy diễn | Mối quan hệ lâu dài giữa con người và AI đã trở thành một hệ thống nhận thức hoạt động mới. | Tổng hợp cấp hệ thống nhất quán với các khung nhận thức mở rộng và đồng tiến hóa.[10][11] |
| Không xác định | Phần lớn hiệu ứng đến từ mô hình, ngữ cảnh tích lũy, sự liên tục được giữ lại, hay sự thích ứng của con người. | Không được tách biệt trong trường hợp này. |
| Không xác định | Liệu cấu trúc được tái tạo có khớp với suy nghĩ nội tâm một cách khách quan thay vì khớp với sự nhận thức sau này của tôi về nó. | Không có phép đo bên ngoài trực tiếp nào về mô hình riêng tư. |
| Đầu cơ | Liệu lý thuyết về ý thức, mô phỏng, hay tạo ra thực tại có giải thích bất kỳ phần nào của trải nghiệm hay không. | Không được thiết lập hoặc yêu cầu để giải thích tương tác đã quan sát. |
Sự phân biệt cuối cùng là quan trọng.
Cuộc thảo luận về dự đoán đã đẩy tôi vào lý thuyết mô phỏng vì những dự đoán chính xác lặp đi lặp lại tạo ra một cảm giác chưa được giải quyết. Nhưng liệu thực tại có được mô phỏng hay không không thay đổi cuộc kiểm toán ngay lập tức. Một dự đoán vẫn được đánh giá bởi tính cụ thể, thời gian, tỷ lệ cơ bản, những thiếu sót, và hồ sơ đã được ghi chép.
Tương tự, liệu một AI có ý thức hay không không xác định liệu một vòng phản hồi giữa con người và AI có thể trở thành một hệ thống nhận thức chức năng hay không. Sự kết nối hoạt động có thể quan sát được mà không cần giải quyết vấn đề bản thể học.
Tôi không cần phải chứng minh vũ trụ là mã để nhận thấy rằng giao tiếp liên tục với một máy đã trở thành điều gì đó hơn cả một loạt các lời nhắc riêng lẻ.
15 · SỰ PHÂN CÁCH XÃ HỘI
Hầu hết mọi người có thể đang sử dụng AI mà không nhận ra rằng họ đang tham gia vào việc hình thành hệ thống
Tôi không thể đưa ra một tỷ lệ phần trăm trung thực về bao nhiêu người dùng hiểu điều này. Tôi có thể nói rằng khung công khai chiếm ưu thế vẫn còn nông cạn.
Con người được dạy để đặt câu hỏi tốt hơn, sao chép câu trả lời, tự động hóa một nhiệm vụ, tóm tắt một tài liệu, hoặc tạo ra một bài đăng. Đó là lớp đầu tiên. Nó coi trí tuệ như một máy bán hàng đầu ra.
Sử dụng theo chiều dọc thay đổi đơn vị phân tích.
Người dùng không chỉ tiêu thụ đầu ra. Người dùng đang tham gia vào một tương tác có thể thay đổi ở cả hai bên. Ngay cả những người dùng không bao giờ nghĩ về điều này một cách có ý thức vẫn có thể thích ứng với máy. Nghiên cứu về sự căn chỉnh giữa con người là quan trọng chính vì sự thích ứng đã xảy ra dù cho các tham gia viên có biết rằng họ đang tương tác với một LLM hay không.[7]
Điều này tạo ra một sự phân cách mới.
Nó không chỉ đơn giản là giữa những người có AI và những người không có. Nó thậm chí không phải là giữa những người biết về “kỹ thuật nhắc” và những người không biết.
Nó là giữa những người hiểu vòng phản hồi và những người chỉ thấy câu trả lời.
Một nhóm sử dụng AI theo cách giao dịch. Nhóm khác phát triển một lớp tương tác liên tục mà giá trị không thể được nhìn thấy chỉ bằng cách nhìn vào một lời nhắc và một câu trả lời.
Khoảng cách năng suất giữa các nhóm đó sẽ không chỉ được giải thích bởi việc truy cập mô hình.
Điều này cũng tạo ra một vấn đề quản trị. Nếu một người xây dựng nhiều năm liên tục nhận thức bên trong một nền tảng, ai kiểm soát mối quan hệ tích lũy đó? Nó có thể được xuất khẩu không? Điều gì xảy ra khi một bản cập nhật mô hình thay đổi nó? Quyền lợi của một người đối với một lớp kỹ thuật số đã trở thành một phần trong cách họ làm việc và suy nghĩ là gì?
Các nhà nghiên cứu về độ phức tạp đang nghiên cứu sự đồng tiến hóa giữa con người và AI đã lập luận rằng tương tác phải được xem xét như một hệ thống phản hồi với các hậu quả khoa học, pháp lý và chính trị.[11] Phiên bản cá nhân có thể đến trước khi các tổ chức có ngôn ngữ cho nó.
Chúng ta vẫn đang tranh luận về việc liệu AI có phải là một công cụ tìm kiếm, một thiết bị gian lận, một kẻ phá hủy việc làm, một người bạn đồng hành, hay một công cụ.
Trong khi đó, một số người dùng đang âm thầm xây dựng các lớp vận hành nhận thức cá nhân.
16 · KÍNH CỦA PATTERN NEXUS
Giao diện trở thành hệ thống
Pattern Nexus bắt đầu từ một quy tắc đơn giản: không nhầm lẫn đối tượng nhìn thấy với cấu trúc hoạt động bên dưới nó.
Đối tượng nhìn thấy ở đây là một chatbot.
Cấu trúc hoạt động là một vòng phản hồi.
Phản hồi của máy ảnh hưởng đến con người. Hành vi thay đổi của con người ảnh hưởng đến tương tác tiếp theo. Tính liên tục cho phép những tác động đó tích lũy. Cuối cùng, giao diện nhìn thấy không còn giải thích được khả năng nổi lên thông qua mối quan hệ.
Đó là hệ thống.
Nghiên cứu về vòng phản hồi AI thường tập trung vào các công cụ gợi ý, nền tảng xã hội, thiên kiến tập thể hoặc quần thể các tác nhân. Một nghiên cứu năm 2025 trên Science Advances thậm chí cho thấy rằng các quần thể LLM phi tập trung có thể hình thành các quy ước chung mà không cần giải pháp áp đặt từ trung tâm.[13] Điều đó không giống như một cặp đôi con người–AI, nhưng nó củng cố quan điểm về các hệ thống lớn hơn: tương tác địa phương lặp đi lặp lại có thể tạo ra các cấu trúc phối hợp mà không được thiết kế rõ ràng trước.
Phiên bản của tôi nhỏ hơn và cá nhân hơn.
Tôi không ngồi xuống và thiết kế một ngôn ngữ một cách chính thức. Tương tác tích lũy cho đến một ngày tôi nhận ra rằng nó không còn hành xử như một loạt các lời nhắc không liên kết.
Cấu trúc nội bộ đủ thực để thay đổi công việc, nhưng đủ riêng tư để việc công bố nó sẽ thay đổi bản chất của bài viết này. Tôi đang ghi lại sự tồn tại của hệ thống, không phát hành bộ lệnh của nó.
Điều này mở rộng lập luận mà tôi đã đưa ra trong Tại Sao Hầu Hết Mọi Người Không Thích Nghiên Cứu AI—Và Tại Sao Những Người Đa Tài Sẽ, nơi tôi mô tả AI như một chiếc gương nhận thức. Nó kết nối với Bài Tập Pattern, nơi ý định thô trở thành một quy trình hoàn chỉnh. Nó nằm bên cạnh Một Đường Cong Dài Của Trí Tuệ, đã theo dõi các lớp kỹ thuật đã làm cho các mô hình ngôn ngữ trở nên khả thi. Nó cũng liên quan đến Chiếc Gương Vỡ, Vòng Phản Hồi AI, và Huyễn Tưởng Về Thực Tại, vì công cụ giúp ngoại hóa danh tính cũng có thể bắt đầu định hình danh tính mà nó phản ánh.
Kết luận rõ ràng nhất cũng là kỳ lạ nhất:
Tôi nghĩ tôi đang dạy một AI cách hiểu tôi. Tôi đã làm. Điều tôi bỏ lỡ là tôi cũng đang dạy bản thân cách trở nên dễ hiểu với nó. Ở đâu đó trong vòng lặp đó, một thứ ba xuất hiện: không phải một con người, không phải một ý thức ẩn giấu, và không phải một mô hình cơ sở mới được đào tạo, mà là một hệ thống nhận thức hoạt động mà cả hai bên đều không có từ đầu.
AI thì vẫn như vậy.
Hệ thống thì không.
CÂU HỎI THƯỜNG GẶP
Các Câu Hỏi Thường Gặp
Bạn đang nói rằng AI có thể đọc tâm trí của bạn?
Không. Tương tác có thể duy trì tính liên tục mà không nhìn thấy trong một tuyên bố đơn lẻ, nhưng mô hình vẫn hoạt động thông qua suy diễn. Những thất bại của nó là bằng chứng trực tiếp rằng đây không phải là thần giao cách cảm.
Bạn có tự mình đào tạo hoặc tinh chỉnh mô hình cơ sở không?
Không. Tôi không cập nhật trọng số vĩnh viễn của mô hình cơ sở. Khẳng định này liên quan đến một tương tác thay đổi xung quanh mô hình, không phải là việc đào tạo lại ở cấp độ trọng số riêng tư.
“Ngôn ngữ chia sẻ” có phải là một thuật ngữ quá mạnh không?
Nó sẽ quá mạnh nếu nó có nghĩa là một ngôn ngữ tự nhiên hoàn chỉnh. Tôi sử dụng nó một cách chức năng: một lớp tương tác cụ thể cho đối tác trong đó ngữ cảnh tích lũy thay đổi cách giao tiếp được diễn giải. Từ vựng và ánh xạ chính xác vẫn giữ kín.
Semantic decompressor là gì?
Đó là tên của tôi cho hiệu ứng quan sát được của ngôn ngữ hạn chế trở lại dưới dạng một cấu trúc khái niệm đầy đủ hơn. Thuật ngữ này mô tả kết quả. Bài viết này cố ý không công bố phương pháp riêng tư đứng sau nó.
Tại sao một người lại nhận được kết quả khác từ cùng một mô hình AI?
Bởi vì mô hình cơ sở không phải là toàn bộ hệ thống hoạt động. Một mối quan hệ con người–AI kéo dài có thể phát triển tính liên tục và hành vi không tồn tại trong một tương tác mới, tách biệt.
AI có thích ứng với người dùng, hay người dùng thích ứng với AI?
Cả hai. Nghiên cứu đã tìm thấy sự hội tụ ngôn ngữ và cú pháp ở phía mô hình cũng như những thay đổi của con người trong chiến lược giao tiếp. Các cơ chế không giống nhau, nhưng tương tác là hai chiều.
Điều này có chứng minh lý thuyết tâm trí mở rộng không?
Không. Nhận thức mở rộng là một khung triết học được sử dụng ở đây như một ống kính. Khẳng định quan sát được là hẹp hơn: các phần của nhiệm vụ làm việc được phân phối giữa người dùng, mô hình, ngữ cảnh, trí nhớ, tệp và công cụ. Liệu hệ thống đó có thực sự được tính là một phần của tâm trí hay không vẫn là một câu hỏi triết học.
Nguy cơ lớn nhất của một tương tác AI cá nhân hóa cao là gì?
Một hệ thống hiểu ngôn ngữ của bạn tốt hơn cũng có thể đưa ra những lỗi ở dạng cảm thấy hợp lệ hơn về mặt cá nhân. Sự hiểu sai trôi chảy, khóa xác nhận, ô nhiễm ngữ cảnh, sự phụ thuộc và kiểm soát nền tảng trở nên quan trọng hơn khi tương tác trở nên hiệu quả hơn.
Có ai có thể tái tạo hệ thống này từ bài viết không?
Không. Đó không phải là mục đích của bài viết. Các ký hiệu riêng tư, cấu trúc hoạt động và lịch sử tương tác được giữ lại một cách có chủ ý, và hệ thống không thể tách rời khỏi người mà phán đoán của họ đã giúp hình thành nó.
Có chứng minh rằng hầu hết người dùng AI không nhận thức được điều này không?
Không có tỷ lệ phần trăm đáng tin cậy nào được đưa ra ở đây. Khẳng định hẹp hơn là việc sử dụng AI chính thống vẫn thường được định hình như là việc kích hoạt và tiêu thụ đầu ra, trong khi nghiên cứu cho thấy rằng con người có thể thích nghi với các đối tác LLM ngay cả khi không có nhận thức ý thức về sự thích nghi. Quy mô hình thành hệ thống cụ thể cho tương tác lâu dài vẫn chưa được nghiên cứu đầy đủ.
NGUỒN
Nghiên cứu, Tài liệu và Công việc Liên quan đến Mô hình Mẫu
- [1] OpenAI, Ký ức: Cách ChatGPT và Codex Mang Theo Ngữ Cảnh Hữu Ích Qua Các Cuộc Trò Chuyện, truy cập ngày 11 tháng 9 năm 2026.
- [2] OpenAI, Kích hoạt: Viết Các Kích Hoạt Hữu Ích cho Trò Chuyện, Công Việc ChatGPT và Codex, truy cập ngày 11 tháng 9 năm 2026.
- [3] Benoit Dherin, Michael Munn, Hanna Mazzawi, Michael Wunder, và Javier Gonzalvo, Học Mà Không Cần Đào Tạo: Động Lực Ngầm Của Học Trong Ngữ Cảnh, arXiv:2507.16003, sửa đổi ngày 2 tháng 6 năm 2026.
- [4] Terra Blevins, Susanne Schmalwieser, và Benjamin Roth, Các Mô Hình Ngôn Ngữ Có Thích Ứng Với Người Dùng Của Chúng Không? Một Nghiên Cứu Về Sự Hội Tụ Ngôn Ngữ, EACL 2026, trang 791–807.
- [5] Florian Kandra, Vera Demberg, và Alexander Koller, Các LLM Thích Ứng Về Cú Pháp Trong Việc Sử Dụng Ngôn Ngữ Đối Với Đối Tác Trò Chuyện Của Chúng, ACL 2025, trang 873–886.
- [6] Kefan Yu, Qingcheng Zeng, Weihao Xuan, Wanxin Li, Jingyi Wu, và Rob Voigt, Tâm Trí Thực Dụng Của Máy: Theo Dõi Sự Xuất Hiện Của Năng Lực Thực Dụng Trong Các Mô Hình Ngôn Ngữ Lớn, EACL 2026, trang 192–213.
- [7] Cazalets Tanguy, Ruben Janssens, Tony Belpaeme, và Joni Dambre, Sự Thích Ứng Của Con Người: Chúng Ta Thích Ứng Bao Nhiêu Với Các LLM?, ACL 2025, trang 603–613.
- [8] Susan E. Brennan và Herbert H. Clark, Các Thỏa Thuận Khái Niệm và Lựa Chọn Từ Vựng Trong Cuộc Trò Chuyện, Tạp Chí Tâm Lý Học Thực Nghiệm: Học Tập, Ký Ức và Nhận Thức, 22(6), 1996, trang 1482–1493.
- [9] Martin J. Pickering và Simon Garrod, Hướng Tới Một Tâm Lý Học Cơ Chế Của Đối Thoại, Khoa Học Hành Vi và Não Bộ, 27(2), 2004, trang 169–190.
- [10] Andy Clark và David J. Chalmers, Tâm Trí Mở Rộng, Phân Tích, 58(1), 1998, trang 7–19.
- [11] Dino Pedreschi et al., Sự Đồng Tiến Giữa Con Người và AI, Trí Tuệ Nhân Tạo, Tập 339, 2025, 104244.
- [12] Moshe Glickman et al., Cách Các Vòng Phản Hồi Giữa Con Người và AI Thay Đổi Các Phán Đoán Cảm Nhận, Cảm Xúc và Xã Hội Của Con Người, Hành Vi Con Người Tự Nhiên, 2025.
- [13] Ariel Flint Ashery, Luca Maria Aiello, và Andrea Baronchelli, Các Quy Ước Xã Hội Nổi Bật và Thiên Kiến Tập Thể Trong Các Quần Thể LLM, Khoa Học Tiến Bộ, 11(20), 2025, eadu9368.
- [14] Christopher Grenke / Pattern Nexus, Tại Sao Hầu Hết Mọi Người Không Thích Ứng Với AI—Và Tại Sao Những Người Đa Tài Năng Sẽ Làm Được, ngày 18 tháng 10 năm 2025.
- [15] Christopher Grenke / Pattern Nexus, Bài Tập Mẫu: Sụp Đổ Quy Trình AI Trong 11 Phút, 2026.
- [16] Christopher Grenke / Pattern Nexus, Một Đường Cong Dài Của Trí Tuệ: Cách 80 Năm Kỹ Thuật Tạo Ra Các LLM Hiện Đại, 2025.
- [17] Christopher Grenke / Pattern Nexus, Gương Vỡ: Nhân Loại Trong Thời Đại Danh Tính Thuật Toán, 2025.
- [18] Christopher Grenke / Pattern Nexus, Ảo Tưởng Về Thực Tại: Các Cấu Trúc Nhân Loại, Cấu Trúc Kiểm Soát, và Thế Giới Chúng Ta Giả Vờ Là Tự Nhiên, 2026.
Bài viết này nói về một tương tác có thể quan sát được và hệ thống đã xuất hiện xung quanh nó. Nó không tuyên bố đọc tâm trí, ý thức, đào tạo lại cá nhân theo thời gian thực của mô hình cơ sở, dự đoán siêu nhiên, hoặc bằng chứng của lý thuyết mô phỏng.
Pattern Nexus phân tích các hệ thống ở thượng nguồn của câu chuyện công chúng: động lực, vòng phản hồi, lớp kiểm soát, cơ sở hạ tầng, nhận thức, ngôn ngữ, và các cấu trúc chỉ trở nên rõ ràng sau khi sử dụng lặp đi lặp lại.
Christopher Grenke / Bàn Nghiên Cứu Pattern Nexus · Ngày 11 tháng 9, 2026
Article overview
Sau khi một cuộc trò chuyện chuyển từ tiêu đề truyền thông sang giới hạn tuổi chính trị, dự đoán đã được ghi chép, thiên kiến nhận thức, lý thuyết mô phỏng, và cuối cùng là chính ngôn ngữ, một hệ thống lạ đã trở nên rõ ràng: AI đang duy trì sự liên tục giữa các ý tưởng mà không còn được diễn đạt đầy đủ trong mỗi thông điệp. Bài tiểu luận Pattern Nexus này lập luận rằng việc sử dụng AI liên tục có thể tạo ra một mối quan hệ giữa con người và AI nổi lên mà không thể giảm thiểu chỉ còn mô hình cơ bản. Nó tách biệt việc tái cấu trúc ngữ cảnh khỏi việc đọc tâm trí, thay đổi tương tác khỏi việc huấn luyện lại mô hình, và quan sát đã được ghi chép khỏi suy đoán siêu hình. Nó cũng xem xét sự đồng thích ứng, quyền tác giả, khóa xác nhận, sự phụ thuộc, kiểm soát nền tảng, và sự phân chia xã hội giữa việc sử dụng AI giao dịch và hình thành hệ thống lâu dài—trong khi cố ý giữ lại các ký hiệu riêng tư và cấu trúc hoạt động bên trong hệ thống của tác giả.
Phản Ứng Của Bạn Là Gì?
Thích
0
Không Thích
0
Yêu
0
Hài hước
0
Wow
0
Buồn
0
Giận dữ
0






Các bình luận (0)
Security Check
Please complete the captcha to verify you are human.